股票因子

你在研究里卡在哪

做 A 股截面或因子研究时，常见痛点不是「缺一个 RSI」，而是：因子定义散落在 Qlib、券商研报、WorldQuant 文档里，各自算子、复权与字段口径不一致；落地到本地引擎又要逐个手写 out = ... 并跑 IC。本技能把已收集的因子做成可查阅的字典 + 已在 QuantAll 上跑通的任务文件，让你先回答「有哪些、怎么算、在全市场样本上粗表现如何」。

技能如何组织数据与计算

• 清单与指标：scripts/output/*.xlsx 按因子族汇总（如 Qlib Alpha158/360、GTJA Alpha191、Alpha101、TA-Lib 指标、财务与 Barra CNE5 等）。每行一个因子，含 IC、IR、time_potential，以及按因子值排序后 top10% / bottom10% 档位的同类指标（time_potential = 近期 IC 波动相对长期 IC 波动的比值）。
• 可执行代码：对应 scripts/task/*.json，结构为 batch_factor_analysis 任务；引擎通过 run_task_file 读取并批量重算，默认用 5 日后收益 评估预测力，结果写回 output/。
• 引擎与数据：所有计算跑在本地 QuantAll（localhost:8686）；行情与财报库由 quantall-mcp / update-stock-mcp 负责建库与更新，本技能不重复维护建库脚本。
• 报告：scripts/gen_report.py 可汇总各 xlsx，生成自包含 HTML 因子分析报告（分布、族内 Top、IC–IR 关系等）。

边界与口径注意

当前定位是因子清单与初筛，不提供因子精选、去冗余（如 batch_factor_corr）、正交合成或与策略回测的完整流水线；深入挖掘需你在 xlsx 基础上继续（可参考 factor-prune 等技能）。

top10% / bottom10% 按因子值 0~1 排序取 0.9 极端档；常数或大量同值会导致极端档样本不足，相关列为 NaN，属数据特性。参考区另有少量因子（如 Beneish M-Score 完整版、部分会计质量）因本地 DB 缺口或信号弱未入库 task/，仅以参考文件保留。